作品简介

《实战GAN:TensorFlow与Keras生成对抗网络构建》通过多个不同的生成对抗网络(GAN)架构的实现来帮助读者更好地理解生成对抗网络背后的原理及其构建方式。书中还提供了大量易于理解并可以直接使用的GAN代码及其部署方式和数据集,以帮助读者更快地上手解决工作中所面临的问题并积极应对相关挑战。

《实战GAN:TensorFlow与Keras生成对抗网络构建》适合数据科学家、算法工程师、数据挖掘工程师以及机器学习领域相关的从业人员用来学习使用全新的深度学习技术解决工作中的问题,也适合机器学习和深度学习的爱好者、初学者用来体验深度学习的魅力。

Josh Kalin是一位物理学家和技术专家,他关注于机器人和机器学习的交叉领域。Josh致力于先进传感器、工业机器人、机器学习和自动化车辆项目的研究。他同时拥有物理学、机械工程以及计算机科学的学位。在业余时间,他喜欢研究车辆(拥有36辆汽车)、组装计算机,以及学习机器人和机器学习领域的新技术(例如撰写本书)。

感谢亲朋好友对我这个疯狂想法的支持;感谢我的孩子可以理解我因为GAN而抓头发的时刻。希望有一天他们能理解这本书的内容。特别感谢Jeremiah能够倾听我关于这本书的唠叨。最后,要感谢我的妻子:没有她,这一切都是不可能实现的。正是在她的催促下,我才能顺利地完成这本书。

作品目录

  • 译者序
  • 其  他
  • 贡献者
  • 序言
  • 其  他
  • 第1章 什么是生成对抗网络
  • 简介
  • 生成模型和判别模型
  • 神经网络的“爱情故事”
  • 深度神经网络
  • 架构基础
  • 基本构建块——生成器
  • 基本构建块——判别器
  • 基本构建块——损失函数
  • 训练
  • 以不同方式组织GAN
  • GAN的输出是什么
  • 理解GAN架构的优点
  • 练习
  • 第2章 数据优先、环境和数据准备
  • 简介
  • 数据是否如此重要
  • 搭建开发环境
  • 数据类型
  • 数据预处理
  • 异常数据
  • 平衡数据
  • 数据强化
  • 练习
  • 第3章 用100行代码实现第一个GAN
  • 简介
  • 从理论到实践——一个简单例子
  • 使用Keras和TensorFlow构建神经网络
  • 解释你的第一个GAN组件——判别器
  • 解释你的第二个GAN组件——生成器
  • 组合GAN组件
  • 训练你的第一个GAN
  • 训练模型并理解GAN的输出
  • 练习
  • 第4章 使用DCGAN创造新的室外结构
  • 简介
  • 什么是DCGAN?一个简单的伪代码样例
  • 工具——是否需要特殊的工具
  • 解析数据——数据是否独特
  • 代码实现——生成器
  • 代码实现——判别器
  • 训练
  • 评估——如何判断它是否有效
  • 调整参数优化性能
  • 练习
  • 第5章 Pix2Pix图像转换
  • 简介
  • 使用伪代码介绍Pix2Pix
  • 数据集解析
  • 代码实现——生成器
  • 代码实现——GAN
  • 代码实现——判别器
  • 训练
  • 练习
  • 第6章 使用CycleGAN进行图像风格转换
  • 简介
  • 伪代码——工作原理
  • 解析CycleGAN数据集
  • 代码实现——生成器
  • 代码实现——判别器
  • 代码实现——GAN
  • 训练
  • 练习
  • 第7章 利用SimGAN使用模拟图像制作具有真实感的眼球图片
  • 简介
  • SimGAN架构的工作原理
  • 伪代码——工作原理
  • 如何使用训练数据
  • 代码实现——损失函数
  • 代码实现——生成器
  • 代码实现——判别器
  • 代码实现——GAN
  • 训练SimGAN
  • 练习
  • 第8章 使用GAN从图像生成3D模型
  • 简介
  • 使用GAN生成3D模型
  • 环境准备
  • 对2D数据进行编码并匹配3D对象
  • 代码实现——生成器
  • 代码实现——判别器
  • 代码实现——GAN
  • 训练模型
  • 练习
展开全部